11.分类与监督学习，朴素贝叶斯分类算法

1.理解分类与监督学习、聚类与无监督学习。

简述分类与聚类的联系与区别。

简述什么是监督学习与无监督学习。

 

答：

（1）分类和聚类：

　　联系：

　　　　分类和聚类都是把每一条记录归应到相应的类别里，都包含这一过程，对于想要  分析的目标点，都会在数据集中寻找离它最近的点，二者都用到了NN算法。

　　区别：

　　　　1）分类的目的是为了确定一个点的类别，类别是已知的 ，聚类的目的是将一系列点分成若干类，类别是未知的；

　　　　2）分类是一种监督学习如kNN算法，聚类是一种无监督学习如K-Means算法；

（2）

　　监督学习：

　　　　 利用已标记的训练数据集（X,Y），通过训练数据集学习建立一个成模型，实现对新数据的分类预测。每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成，任务是分类和回归。

　　无监督学习：

　　　　无监督学习是在缺乏先验知识的情况下（只输入X，没有Y）利用一些未经过标记的数据来发现其中隐藏的一些规律并做出相应，任务是聚类和降维。

 

2.朴素贝叶斯分类算法 实例

利用关于心脏病患者的临床历史数据集，建立朴素贝叶斯心脏病分类模型。

有六个分类变量(分类因子)：性别，年龄、KILLP评分、饮酒、吸烟、住院天数

目标分类变量疾病：

–心梗

–不稳定性心绞痛

新的实例：–(性别=‘男’，年龄<70, KILLP=‘I'，饮酒=‘是’，吸烟≈‘是”，住院天数<7)

最可能是哪个疾病？

上传手工演算过程。

	性别	年龄	KILLP	饮酒	吸烟	住院天数	疾病
1	男	>80	1	是	是	7-14	心梗
2	女	70-80	2	否	是	<7	心梗
3	女	70-81	1	否	否	<7	不稳定性心绞痛
4	女	<70	1	否	是	>14	心梗
5	男	70-80	2	是	是	7-14	心梗
6	女	>80	2	否	否	7-14	心梗
7	男	70-80	1	否	否	7-14	心梗
8	女	70-80	2	否	否	7-14	心梗
9	女	70-80	1	否	否	<7	心梗
10	男	<70	1	否	否	7-14	心梗
11	女	>80	3	否	是	<7	心梗
12	女	70-80	1	否	是	7-14	心梗
13	女	>80	3	否	是	7-14	不稳定性心绞痛
14	男	70-80	3	是	是	>14	不稳定性心绞痛
15	女	<70	3	否	否	<7	心梗
16	男	70-80	1	否	否	>14	心梗
17	男	<70	1	是	是	7-14	心梗
18	女	70-80	1	否	否	>14	心梗
19	男	70-80	2	否	否	7-14	心梗
20	女	<70	3	否	否	<7	不稳定性心绞痛

 

 

3.使用朴素贝叶斯模型对iris数据集进行花分类。

尝试使用3种不同类型的朴素贝叶斯：

• 高斯分布型
• 多项式型
• 伯努利型

并使用sklearn.model_selection.cross_val_score()，对各模型进行交叉验证。